En una planta química ocurren situaciones anormales cuando el proceso se desvía
del régimen normal de manera significativa durante su operación. La Detección (D)
temprana y el diagnóstico de fallas, mientras la planta se encuentra todavía operando en
una región controlable, ayuda a evitar que la situación anormal progrese y reduce el
impacto de la posible ocurrencia de accidentes industriales mayores y menores.
Todos los enfoques propuestos para resolver el problema de D y Aislamiento de
Fallas (AFs), de alguna manera, comparan el comportamiento observado del proceso
con un modelo de referencia. Dicho comportamiento se infiere en función de las
mediciones proporcionadas por los sensores instalados en el proceso. Si bien, el
desempeño de la estrategia de monitoreo depende fuertemente de la selección de las
variables observadas, se ha puesto mucho énfasis en el desarrollo de metodologías de
diagnóstico dado un conjunto predefinido de sensores, y se ha prestado escasa atención
al Diseño de Redes de Sensores (DRS) que permitan una eficiente D y AFs. Por tal
motivo, el objetivo de esta tesis es abordar el desarrollo e implementación de nuevas
metodologías para DRS con propósitos de Diagnóstico de Fallas.
En primer término se presenta una estrategia de diseño, formulada como un
problema de optimización, que permite obtener una Red de Sensores (RS) que satisface
la Observabilidad (O) y la Resolución (R) de todas las fallas del proceso, con el menor
costo, si todos los sensores funcionan correctamente, y además verifica la O y R de un
conjunto de fallas claves, si algunos instrumentos, afectados por la ocurrencia de dichas
fallas, no están disponibles. Para ello se define el Grado de Resolución de una falla
clave y se lo incorpora utilizando desigualdades lineales. El diseño se resuelve
empleando códigos de Programación Mezcla Entera Lineal.
A continuación se aborda el problema de DRS utilizadas para monitorear procesos
con la técnica Análisis de Componentes Principales (PCA), uno de los métodos de
Control Estadístico Multivariable más usados en la industria. En relación con la
capacidad de la RS para detectar todas las fallas, se propone un nuevo enfoque para
evaluar las restricciones de D, basado en el cálculo de los estadísticos de Hotelling y el
Error Cuadrático de Predicción, y se formulan diseños robustos. A fin que el sistema de
control sea capaz de diagnosticar la causa de una falla detectada usando PCA, primero
es necesario que todas las mediciones afectadas por su ocurrencia sean identificadas
como variables sospechosas. Esta condición se verifica examinando las restricciones de
Identificación de Variables Sospechosas (IVS), que se formulan en términos de las
contribuciones de las variables a los estadísticos empleados por el método PCA. Las
restricciones de AFs se definen en función de los vectores de identificación de las fallas,
los cuales deben ser diferentes para que éstas sean distinguibles.
Se proponen nuevas formulaciones para el DRS que satisfacen restricciones de O
y R (lineales), y condiciones de D, IVS y AFs (no lineales). Dado que la R es una
condición necesaria para el AFs, inicialmente se obtiene la RS de mínimo costo que
verifica las restricciones lineales de O y R. La cantidad de sensores que forman parte de
la solución de este problema da el nivel inicial a partir del cual se inicia la búsqueda
transversal, utilizada para resolver el diseño que cumple con todas las restricciones.
Durante la ejecución de la búsqueda transversal, para cada nodo se evalúan primero las
restricciones lineales, ya que consumen un tiempo de cómputo significativamente
menor que las no lineales.
Se han obtenidos muy buenos resultados al aplicar las nuevas estrategias para el
DRS del conocido proceso Tennesse Eastman.
| Identifer | oai:union.ndltd.org:uns.edu.ar/oai:repositorio.bc.uns.edu.ar:123456789/2412 |
| Date | 17 March 2015 |
| Creators | Rodriguez Aguilar, Leandro Pedro Faustino |
| Contributors | Sánchez, Mabel Cristina |
| Publisher | Universidad Nacional del Sur |
| Source Sets | Universidad Nacional del Sur |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Electronic Thesis or Dissertation, Text |
| Rights | 2 |
Page generated in 0.0024 seconds